张量流中的自我关注和多输入模型

问题描述

我正在尝试使用Tensorflow Functional API（https://www.tensorflow.org/guide/keras/functional）定义多输入神经网络，并在我的嵌入层（https://pypi.org/project/keras-self-attention/）之后添加自我关注层。这是我的代码：

from keras_self_attention import SeqSelfAttention
from tensorflow import keras
Input1 = Input(shape=(120,),name="Input1")
Input2 = Input(shape=(10,name="Input2")
embedding_layer = Embedding(30,5,input_length=120,)(Input1) 
lstm_layer = tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(units=512))(embedding_layer)                  
attention=SeqSelfAttention(attention_activation='sigmoid')(lstm_layer) 
merge = concatenate([attention,Input2]) 

但是，出现此错误：

ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None,None,1024),(None,10)]. 

我的输入中只有一个序列，我想对此加以注意，然后与另一个输入连接。我该怎么办？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）